Octubre 30 de 2020
REDES NEURONALES
Las redes neuronales artificiales son una representación abstracta del comportamiento de una red neuronal biológica. Su contexto se remonta a 1943, año en el cual McCulloch y Pitts proponen el primer modelo neuronal, dicho modelo era un modelo binario, en el cual cada neurona tenía un escalón o umbral prefijado. De esta manera sirvió de base para los modelos posteriores.
Red neuronal
Capas
Las redes neuronales están compuestas por capas de neuronas que se comunican entre si y es posible dividirlas de la siguiente manera:
- Capa de entrada
- Capa oculta
- Capa de salida
ADAPTACIÓN DE REDES NEURONALES
Función base
Función lineal de tipo hiperplano: Es una función de base cuyo valor de red corresponde a una combinación lineal de las entradas.
\[u_{i}(w,x)=\sum_{j=1}^{n}w_{ij}x_{j}\]
Función radial de tipo hiperesférico:
\[u_{i}(w,x)= \sqrt{\sum_{j=1}^{n}(x_{j}-w_{ij})^{2}}\]Función de activación
Las funciones de activación se dividen en dos tipos como: lineal y no lineal
Red neuronal
ENTRENAMIENTO DE REDES NEURONALES
ALGUNOS PROBLEMAS EN EL ENTRENAMIENTO DE LAS REDES NEURONALES
- Valores iniciales:
- Sobreajuste:
- Escalado de las entradas:
- Número de capas y unidades ocultas
APLICACIONES
La mayoría de las aplicaciones de las redes neuronales consisten en:
Finanzas: Previsión de la evolución de los precios, Valoración del riesgo de los créditos, Identificación de falsificaciones, Interpretación de firmas.
Manufacturación: Robots automatizados y sistemas de control (visión artificial y sensores de presión, temperatura, gas, etc.), Inspección de la calidad.
Militares: Clasificación de las señales de radar y Reconocimiento y seguimiento en el tiro al blanco.